机器学习、人工智能、自然语言处理、计算机视觉、多智能体。
说明LEAP：面向长音视频感知的可学习分块证据检索
简介该论文针对小时级音视频问答中上下文长度有限的难题，提出 LEAP 框架：先将录音切成固定时长的分块，用轻量定位模块为每块中的候选时间窗口打分，再把得分最高的窗口合并后，在一次有界的回答过程中重新编码并作答。原文称其在多个 AVQA 基准上较 Qwen3-Omni-30B-A3B 基线提升 4.5%–16.8%，并能迁移到 MiniCPM-o 4.5 模型上。
说明面向领域泛化的可靠性感知检查点选择：在准确率约束下，依据源域可靠性从近优检查点中重新挑选模型
简介该论文指出，领域泛化中仅依据源域验证准确率选择检查点，未必能在未见目标域上给出可靠的概率。作者提出准确率约束的可靠性选择（AC）：保留源验证准确率接近最优的检查点，再按源域归一化负对数似然与类别校准误差排序，不使用目标域数据，也无需额外训练。在OfficeHome和TerraIncognita的360次运行中，相比仅用源准确率的方法，其目标域校准误差与负对数似然有所降低，平均目标准确率略有上升。
说明ConflictGuide：让相互冲突的行为可见，AutoResearch 效果更好
简介该论文指出，机器学习模型的多个目标常相互制约，而基于大模型的 AutoResearch 系统仅依据单一任务分数修改代码，忽视了这种权衡。作者提出 ConflictGuide，先识别模型的冲突行为并设计探针指标，再分两阶段进化：先用任务反馈探索，之后用探针反馈引导缓解冲突。在五个模型家族上，该方法相比仅用标量反馈的基线，任务错误和冲突相关错误分别最多降低 28% 和 14%。
说明TauIndianBankBench：面向流程与行动的印度银行工具调用对话智能体评测基准
简介本文提出TauIndianBankBench，一个包含1000个印度零售银行任务的评测基准，用于考察语言模型助手在模拟客户场景中的表现。除检查对话结束时的最终记录外，该基准还检查助手是否执行了所有必需步骤且没有做出未经请求的更改。研究发现，仅检查最终记录时，每个模型有6.5%至12.0%的会话被判定为成功，但其中助手实际上跳过了必需步骤或做出了未经请求的更改。
说明RoPE 已到极限？长上下文失效的理论、诊断与缓解
简介本文研究基于 RoPE（旋转位置编码）的语言模型在长上下文中失效的原因，指出其在保持稳定的词元偏好与区分邻近位置之间存在内在权衡。作者提出允许不同频率下查询与键尺度不等的理论，并给出 RoPE Profiler 诊断工具，复用已缓存的激活即可输出语义与位置两项诊断分数。作者称，在 49 种长上下文任务设置中，推理任务主要受语义反转影响，检索任务主要受位置不敏感影响；针对高频分量的重新缩放在无需额外训练的情况下，使部分模型准确率最多提升 20 至 25 个百分点。
说明AdaGEPA：面向反思式提示优化的自适应反馈分配方法
简介该论文提出AdaGEPA，一种根据提示的表现和任务结构来选择下一轮提示修订所用示例的自适应反馈分配方法。每个反馈小批次中至多替换一个示例，以针对已识别的弱点。在六个下游基准的主要实验中，在匹配的调用预算下，AdaGEPA的平均验证分数高于非自适应的反馈选择方法；在Schema-Guided Dialogue（SGD）的初步研究中，其半预算提示在联合目标准确率上也优于非自适应基线的全预算提示。
说明通过空间算子对未见过的高光谱传感器进行任意尺度超分辨率重建
简介本文提出OmniHSR模型，用于高光谱超分辨率重建，目标是用单一模型实现跨传感器泛化和任意尺度重建。该方法不直接预测光谱值，而是预测在各波段间共享的空间算子，并将其组合成连续场用于重建。实验显示，仅在ARAD数据集上训练、参数量为0.538M的模型，在六个未见数据集上无需目标域数据即优于直接迁移的基线方法，推理速度最高提升36倍。
说明CoVisco：面向图像与视频统一理解的原生压缩视觉编码器
简介这篇论文提出 CoVisco，一种原生支持视频编码格式、并在编码过程中直接压缩视觉标记的视觉编码器，用于图像与视频的统一理解。它将长视频切分为时间片段，每段配备可学习的抽象标记，并通过分段注意力与抽象通信层保留全视频上下文。在四段、64 帧的设置下，仅使用抽象标记（400 个视觉标记）即可取得接近甚至部分超过 OneVision-Encoder 的视频理解表现。
说明MCD：大型视觉语言模型多模态上下文学习的因果蒸馏方法
简介大型视觉语言模型的多模态上下文学习能力随模型变小而明显下降。本文提出多模态因果蒸馏（MCD）框架，通过保持结构的令牌干预来识别并验证因果证据，并迁移教师模型在保留或移除这些证据时的响应方式。在三个模型系列、七个基准上的实验显示，MCD平均提升学生模型7.23分，比普通蒸馏高出4.68分。
说明评分可靠，基准泄漏：公开脑肿瘤MRI分类数据集的污染度测量
简介本文研究公开脑肿瘤MRI分类数据集的完整性问题，提出包含重复图像、患者和来源标签三层的污染检测框架，并以胸片作为对照进行审计。结果显示三大常用数据集存在严重泄漏，例如一个数据集的官方测试集有28.8%图像在训练集中有近似副本；即使去除所有已识别的泄漏测试图像，平衡准确率几乎不变。作者认为，仅凭稳定的榜单准确率不能证明模型真正学会识别肿瘤，并公开了污染文件列表、患者标识和去重后的数据划分。
看点提出三层污染框架并审计主流脑肿瘤MRI数据集，跨九种架构验证，发现去重后性能不变这一反直觉结果，对子领域评测方法有实质贡献。
说明NavHarness：面向智能体视觉语言导航的自适应目标框架
简介本文提出 NavHarness，一个用于视觉语言导航（让机器人依据指令和观察进行移动）的智能体框架。它包含目标智能体、验证智能体、记忆智能体和视觉运动智能体，分别负责设定自适应子目标、验证目标是否完成、压缩多模态历史信息以及执行导航动作。论文在 R2R-CE 和 RxR-CE 上评估导航效果，并报告真实环境中八条路线、每条三次测试的结果：成功率 83.3%，导航误差 1.51 米。
说明用于求解参数化偏微分方程的聚类注意力神经算子
简介参数化偏微分方程的传统数值模拟需要为每组参数重复计算，难以用于高精度设计。本文提出聚类注意力神经算子（CANO），通过新的交叉注意力机制动态聚类查询，同时保留全分辨率的键和值。论文称该方法在流体与固体动力学、非结构化几何及长期时间推演等基准上取得领先表现。
说明具体与任意之差：大语言模型的亲属关系推理并不对表述形式无动于衷
说明TRACE：面向搜索智能体并行扩展的轨迹选择方法
简介论文提出 TRACE，一种轻量级学习型选择器，用于从多条并行搜索轨迹中挑选正确答案，而不是仅靠多数投票。它利用各轨迹的检索证据并跨轨迹传播信息，无需额外搜索或自回归聚合。文中报告在多个 WebQA 与长程数据集上优于投票，且吞吐量至少为对比方法的 10 倍。
看点将并行搜索的结果整合表述为轨迹选择，提出基于跨轨迹证据传播的轻量选择器，并在多个基准上对比投票与生成式聚合，实验覆盖面较广。
说明面向慢性共病患者的以患者为中心的治疗规划：用于偏好建模的分层强化学习框架
简介该论文提出一种名为 FAHOC 的分层强化学习框架，用于慢性共病（高血压与2型糖尿病）的治疗规划，并把患者的配合意愿纳入模型。论文在约5万名患者的纵向数据上评估，报告该框架在质量调整生命年指标上优于临床实践，并在保留测试集中从未违背患者偏好。
说明DoGBench：智能体能否达到面向用户的文档专家标准？
简介本文提出DoGBench，据作者所知是首个评估生成并维护真实用户软件文档能力的基准，包含来自Helm、PostHog、Mautic等开源项目的292项任务。智能体需先判断是否需要更新文档，需要时一次性给出可被审阅接受的补丁，不需要时则应放弃。最佳智能体在117项保留测试集上得分为47.3（满分100）。文章还分析了失败模式，如只描述接口而不考察读者用法、以合理假设填补证据缺口，以及只修改首个相关页面而遗漏其他过时页面。
看点首个面向用户文档生成与维护的基准，任务设定新颖；292 项来自真实开源项目，并由维护者验证评分标准，证据较扎实。
说明理解家长对人工智能参与儿童假装游戏的复杂看法
简介本研究通过对10位美国家长的半结构化访谈，探讨他们对人工智能支持儿童假装游戏的态度。家长既认为AI能让角色扮演游戏更普及、帮助家长参与家庭游戏，也担心儿童想象力和创造力下降、情感依附、人际互动减少等问题。研究认为，AI的适当性和儿童与AI的互动方式，是除技术保障和家长控制之外的重要要求，并呼吁开展长期纵向研究。
说明OSWorld-Science：面向科学软件学习与使用的计算机操作智能体基准
简介本文提出 OSWorld-Science 基准与评测环境，用于考察基于视觉语言模型的计算机操作智能体在科学软件上的表现。基准包含 146 个任务、12 个模型，涵盖分子绘制与逆合成、病理图像分析、统计计算和物理模拟等工作流。评测依据应用状态和生成的产物进行，未完成时给予部分分数。论文称，当前最先进的模型在搭配较强的执行框架后，仍难以完整解决科学领域的关键问题。
说明可迁移的图元网络：跨宽度泛化神经网络权重分析
简介元网络以另一个神经网络的权重为输入，用于预测该网络的性质。本文提出可迁移图元网络，通过对不同宽度网络表示同一函数的方式保持不变性，并让相似函数对应的权重得到相似预测，从而改善跨规模泛化。实验显示在各项任务上均有明显提升，在最大更新参数化（μP）训练的网络上，可泛化至训练宽度的42倍。
看点提出可跨宽度迁移的图元网络并给出无限宽极限下的泛化证明，新意明确；实验覆盖多任务且有理论支撑，但影响范围集中于权重空间学习子领域。
说明更好的目标表示能否提升目标条件强化学习？
简介本文研究离线目标条件强化学习中目标表示质量对性能的影响。作者在确定性迷宫中构造精确的时间距离目标表示，并系统性地破坏其几何质量，同时保持下游学习器不变。结果显示，目标表示质量大幅变化时，OGBench导航任务上的性能几乎不变；而对当前状态施加同样的干预，成功率却提升一倍以上，表明状态表示才是主要瓶颈。
说明学习“看哪里”：心脏磁共振视觉-语言模型的解剖定位与引导注意力
简介本文针对心脏磁共振（CMR）图像的细粒度视觉问答，通过解剖结构定位和引导注意力进行研究。作者构建了约12.9万条解剖定位数据和4.28万条临床问答数据，覆盖多种CMR序列。他们提出了心脏解剖路由注意力（CARA）方法，并结合解剖定位预训练得到CARA-VL模型。实验显示该模型在临床评估和区域定位方面表现较好，并对外部临床队列有一定泛化能力。
